药房窗口语音助手配置方法及窗口发药语音助手

摘要

本申请涉及一种药房窗口语音助手配置方法及窗口发药语音助手，通过所述智能AI语音机器人采集患者的提问信息和/或代取药物信息，并按照所述后台服务器对所述提问信息和/或所述代取药物信息的反馈进行交互。本申请可以通过药房窗口的历史语料数据，来获取在发药时产生的问答对信息进行模型训练，得到对应的药房问答对模型，以此来智能恢复患者取药时的提问信息，节省发药人员工作时间和精力，提高发药速度，减少矛盾。将发药工作进行智能化管理，推进药房有序发药和有序应对患者的繁琐提问，推动智能医疗的发展。

说明书

技术领域

本公开涉及配药技术领域，尤其涉及一种药房窗口语音助手配置方法及窗口发药语音助手、装置和电子设备。

背景技术

作为门诊药房工作人员，常常会遇到来自病人的抱怨和责备。源头大致来自于：

①发药人员要求患者按秩序排队，不要插队，个别蛮横病人此时会把自己心情的不快和身体的不适发泄到窗口工作人员；

②病人不管不顾窗口发药人员在校对药品，要求发药人员回答各种问题，发药人员如果匆匆回答或不回答，往往会导致病人不满，认为窗口服务态度差；而同时窗口人员因为分心，也会导致校对不仔细；

③跟医院的发票有关，若是中药和西药都在一张发票上，窗口人员常常会提醒去中药房拿药，而病人有时候会因为自己没有认真仔细听，而遗忘中药，从而引发矛盾。

而在智能医疗技术发展中，完全可以利用现有的智能AI语音机器人代替药房工作人员进行语音问答对，以此节省药房工作人员的工作时间和精力，同时起到提示患者的作用。

智能AI语音机器人，无论是虚拟机器人还是实体机器人(还是后台数据控制)，皆可以部署在医疗机构进行协助诊疗，满足医患需求。

发明内容

为了解决上述问题，本申请提出一种药房窗口语音助手配置方法及窗口发药语音助手、装置和电子设备。

本申请一方面，提出药房窗口语音助手配置方法，包括如下步骤：

获取药房窗口的历史语料数据，对所述历史语料数据进行解析，获取其中在发药时产生的问答对信息；

基于深度学习技术，将所述问答对信息作为初始训练数据进行模型训练，生成对应的药房问答对模型；

将所述药房问答对模型配置于药房的后台服务器上，并建立所述后台服务器与智能AI语音机器人之间的通信；

通过所述智能AI语音机器人采集患者的提问信息和/或代取药物信息，并按照所述后台服务器对所述提问信息和/或所述代取药物信息的反馈进行交互。

作为本申请的一可选实施方案，可选地，获取药房窗口的历史语料数据，对所述历史语料数据进行解析，获取其中在发药时产生的问答对信息，包括：

检索并从医疗数据库中调取药房窗口的历史语料数据；

解析所述历史语料数据，得到解析语料，并对所述解析语料进行预处理，得到在发药时产生的问答对信息；

对所述问答对信息进行关键词提取，按照所提取的关键词，将所述问答对信息分为问题集和对应的答复集，并建立所述问题集和对应的所述答复集之间的映射关系；

将所述问题集、所述答复集和所述问题集与所述答复集之间的映射关系，发送并保存在药房的后台数据库中。

参见https://blog.csdn.net/qq_27668313/article/details/121641594“基于问答对的问答系统方案设计”。

作为本申请的一可选实施方案，可选地，基于深度学习技术，将所述问答对信息作为初始训练数据进行模型训练，生成对应的药房问答对模型，包括：

预设迭代训练条件；

从所述后台数据库中调取出所述问题集和所述答复集，将所述问题集和所述答复集作为训练数据，基于深度学习的训练网络架构，进行模型训练；

按照所述迭代训练条件，轮次迭代；

在每次迭代训练完成，检测当前模型的识别准确度，当所述模型的识别准确度满足预设要求时，停止训练，生成对应的药房问答对模型。

作为本申请的一可选实施方案，可选地，通过所述智能AI语音机器人采集患者的提问信息，并按照所述后台服务器对所述提问信息的反馈进行交互，包括：

通过所述智能AI语音机器人，获取患者的提问信息并上传至所述后台服务器；

利用配置于所述后台服务器上的所述药房问答对模型，识别所述提问信息，并匹配映射出对应的答复信息；

将所述答复信息发送至所述智能AI语音机器人，由所述智能AI语音机器人根据所述答复信息进行播报，与患者进行交互对话。

作为本申请的一可选实施方案，可选地，通过所述智能AI语音机器人采集患者的代取药物信息，并按照所述后台服务器对所述代取药物信息的反馈进行交互，包括：

通过所述智能AI语音机器人扫描并获取患者的就诊标识，并上报至所述后台服务器；

所述后台服务器从患者的就诊标识中提取得到代取药物信息，并发送至所述智能AI语音机器人；

所述智能AI语音机器人接收并根据所述代取药物信息进行播报，告知患者代取的药物种类和取药地址。

作为本申请的一可选实施方案，可选地，还包括如下步骤：

实时采集并获取所述智能AI语音机器人在发药时产生的新问答对信息；

将所述新问答对信息作为新训练数据进行模型训练，得到矫正数据，发送并保存在药房的后台数据库中；

利用所述矫正数据对正在使用的药房问答对模型进行实时更新和矫正，更新所述药房问答对模型并重新配置于药房的后台服务器上。

本申请另一方面，提出一种窗口发药语音助手，基于所述的药房窗口语音助手配置方法进行实施，包括：

后台服务器，用于对智能AI语音机器人采集的所述提问信息和/或所述代取药物信息进行响应；

药房问答对模型，配置于药房的后台服务器上，用于所述提问信息，并匹配映射出对应的答复信息；

智能AI语音机器人，用于采集患者的提问信息和/或代取药物信息，并按照所述后台服务器对所述提问信息和/或所述代取药物信息的反馈进行交互。

作为本申请的一可选实施方案，可选地，所述窗口发药语音助手，还包括：

若干物理按钮，所述物理按钮与所述智能AI语音机器人关联，当按下对应的所述物理按钮后，通过所述智能AI语音机器人播放预先存储的问答对。

本申请另一方面，还提出一种实现所述的药房窗口语音助手配置方法的装置，包括：

历史语料采集模块，用于获取药房窗口的历史语料数据，对所述历史语料数据进行解析，获取其中在发药时产生的问答对信息；

训练模块，用于基于深度学习技术，将所述问答对信息作为初始训练数据进行模型训练，生成对应的药房问答对模型；

配置模块，用于将所述药房问答对模型配置于药房的后台服务器上，并建立所述后台服务器与智能AI语音机器人之间的通信；

响应模块，用于通过所述智能AI语音机器人采集患者的提问信息和/或代取药物信息，并按照所述后台服务器对所述提问信息和/或所述代取药物信息的反馈进行交互。

本申请另一方面，还提出一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述可执行指令时实现所述的药房窗口语音助手配置方法。

本发明的技术效果：

本申请通过获取药房窗口的历史语料数据，对所述历史语料数据进行解析，获取其中在发药时产生的问答对信息；基于深度学习技术，将所述问答对信息作为初始训练数据进行模型训练，生成对应的药房问答对模型；将所述药房问答对模型配置于药房的后台服务器上，并建立所述后台服务器与智能AI语音机器人之间的通信；通过所述智能AI语音机器人采集患者的提问信息和/或代取药物信息，并按照所述后台服务器对所述提问信息和/或所述代取药物信息的反馈进行交互。本申请可以通过药房窗口的历史语料数据，来获取在发药时产生的问答对信息进行模型训练，得到对应的药房问答对模型，以此来智能恢复患者取药时的提问信息，节省发药人员工作时间和精力，提高发药速度，减少矛盾。将发药工作进行智能化管理，推进药房有序发药和有序应对患者的繁琐提问，推动智能医疗的发展。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1示出为本发明药房窗口语音助手配置方法的实施流程示意图；

图2示出为本发明窗口发药语音助手的应用系统示意图；

图3示出为本发明装置的组成结构示意图；

图4示出为本发明电子设备的应用示意图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

实施例1

本实施例，智能AI语音机器人，可以实现扫码、打印报告、语音播报等功能，可以沿用现有医院的智能AI语音机器人。因此，本实施例不再对智能AI语音机器人进行赘述。智能AI语音机器人部署在药房发药窗口。

后台服务器，采用部署在药房或者医疗机构的主机，优选部署在药房的后台服务器作为本实施例的数据处理中心。

如图1所示，本申请一方面，提出一种药房窗口语音助手配置方法，包括如下步骤：

S1、获取药房窗口的历史语料数据，对所述历史语料数据进行解析，获取其中在发药时产生的问答对信息；

药房窗口处，会产生大量发药工作人员和患者之间的交互对话，对话中的信息几乎全部是关于取药信息和取药地址等信息，因此本实施例可以利用药房窗口的历史语料数据，来获取在发药时产生的问答对信息。

在发药时产生的问答对信息，即患者对取药的发问信息以及发药人员的回答信息，历史语料数据中提取的发问信息以及回答信息，可以分别构成对应的语料数据集。

作为本申请的一可选实施方案，可选地，获取药房窗口的历史语料数据，对所述历史语料数据进行解析，获取其中在发药时产生的问答对信息，包括：

检索并从医疗数据库中调取药房窗口的历史语料数据；

解析所述历史语料数据，得到解析语料，并对所述解析语料进行预处理，得到在发药时产生的问答对信息；

对所述问答对信息进行关键词提取，按照所提取的关键词，将所述问答对信息分为问题集和对应的答复集，并建立所述问题集和对应的所述答复集之间的映射关系；

将所述问题集、所述答复集和所述问题集与所述答复集之间的映射关系，发送并保存在药房的后台数据库中。

医疗数据库中，比如医疗机构在药房部署的音视频采集设备、对话数据库等等，可以保存发药工作人员和患者之间的交互对话的历史语料数据，从其中调取对应的历史语料数据，通过数据包解析后得到大量的解析语料。

解析语料中包含各种对话，需要进行预处理，将不涉及到取药、发药等相关的语料进行排除筛选，可以得到更为精准的药房取药问答信息。

本处，可以利用关键词搜索的形式对每一个问答进行检索，将不相关的问答对排除。比如问答对A经过关键词检索并计算后，发现关联度仅为50％，则放弃。通过对所述问答对信息进行关键词提取，按照所提取的关键词，将所述问答对信息分为问题集和对应的答复集，并建立所述问题集和对应的所述答复集之间的映射关系，最后得到的所述问题集与所述答复集，比较准确。

有关利用关键词进行问答对筛选的技术手段，可以采集现有技术，比如：

https://blog.csdn.net/qq_27668313/article/details/121641594“基于问答对的问答系统方案设计”。本实施例不作赘述。

S2、基于深度学习技术，将所述问答对信息作为初始训练数据进行模型训练，生成对应的药房问答对模型；

已经得到问答对信息分为的问题集和对应的答复集，以及所述问题集和对应的所述答复集之间的映射关系，本实施例为了便于发药助手能够智能化与患者进行交互，采用了模型训练的方式，生成对应的“药房问答对模型”，将“药房问答对模型”部署于后台，利用药房问答对模型对患者的提问进行答复，节省发药工作人员的时间。

作为本申请的一可选实施方案，可选地，基于深度学习技术，将所述问答对信息作为初始训练数据进行模型训练，生成对应的药房问答对模型，包括：

预设迭代训练条件；

从所述后台数据库中调取出所述问题集和所述答复集，将所述问题集和所述答复集作为训练数据，基于深度学习的训练网络架构，进行模型训练；

按照所述迭代训练条件，轮次迭代；

在每次迭代训练完成，检测当前模型的识别准确度，当所述模型的识别准确度满足预设要求时，停止训练，生成对应的药房问答对模型。

本实施例，深度学习的模型训练方法，是比较成熟的智能化模型生成方法，比如利用卷积神经网络的学习架构对问题集和所述答复集进行迭代学习、训练，能够生成对应的药房问答对模型。

本实施例，利用卷积神经网络的学习架构进行模型训练和生成的方式，不作赘述。

当训练过程中，对当前生成的模型进行训练结果检测，比如利用问答的形式，来检测当前模型的回答准确度，看模型映射匹配的结果如何，若是达到预设的识别准确度，可以停止迭代训练，生成对应的药房问答对模型。

将生成的药房问答对模型，部署后台，进行实践优化一定时间，通过药房问答的优化调整，经过参数优化、调整后，再统一上线进行使用。

S3、将所述药房问答对模型配置于药房的后台服务器上，并建立所述后台服务器与智能AI语音机器人之间的通信；

将药房问答对模型配置于药房的后台服务器上的具体配置过程，本实施例不作赘述，由技术开发人员进行操作即可。

药房问答对模型对采集的患者问答信息进行识别，需要智能AI语音机器人协助采集，采集的数据发送至后台，由后台服务器首先进行语音文本分析，得到其中的提问信息，再通过后台服务器上的药房问答对模型对“提问信息”进行识别，映射匹配到对应的回答信息，响应智能AI语音机器人并通过智能AI语音机器人播报。

后台服务器上配置的语音/文本解析软件，本实施例不作限定。

S4、通过所述智能AI语音机器人采集患者的提问信息和/或代取药物信息，并按照所述后台服务器对所述提问信息和/或所述代取药物信息的反馈进行交互。

智能AI语音机器人可以通过语音提示的方式，提示患者扫码或者刷卡等，获取患者的提问信息或者就诊标识。

作为本申请的一可选实施方案，可选地，通过所述智能AI语音机器人采集患者的提问信息，并按照所述后台服务器对所述提问信息的反馈进行交互，包括：

通过所述智能AI语音机器人，获取患者的提问信息并上传至所述后台服务器；

利用配置于所述后台服务器上的所述药房问答对模型，识别所述提问信息，并匹配映射出对应的答复信息；

将所述答复信息发送至所述智能AI语音机器人，由所述智能AI语音机器人根据所述答复信息进行播报，与患者进行交互对话。

本处是智能AI语音机器人通过语音提示的方式，提示患者进行语音描述其想要咨询的发药问题，患者描述取药问题后，所述智能AI语音机器人提示患者进行描述后，采集患者的问答语音信息并发送至后台，由后台进行语音文本解析并分析出其中的问答信息，再利用配置于所述后台服务器上的所述药房问答对模型，识别所述提问信息，并匹配映射出对应的答复信息。

前面已经描述药房问答对模型具备问答映射的功能，因此能够匹配出对应的答复信息，由后台发送答复信息至智能AI语音机器人，通过智能AI语音机器人进行播放对话，实现代替发药人员的回答工作。

作为本申请的一可选实施方案，可选地，通过所述智能AI语音机器人采集患者的代取药物信息，并按照所述后台服务器对所述代取药物信息的反馈进行交互，包括：

通过所述智能AI语音机器人扫描并获取患者的就诊标识，并上报至所述后台服务器；

所述后台服务器从患者的就诊标识中提取得到代取药物信息，并发送至所述智能AI语音机器人；

所述智能AI语音机器人接收并根据所述代取药物信息进行播报，告知患者代取的药物种类和取药地址。

本处，所述智能AI语音机器人扫描并获取患者的就诊标识，比如取药发票信息，扫描其上的二维码，提取得到患者的就诊信息，并上报至所述后台服务器，所述后台服务器通过就诊信息查询到对应的代取药物信息，其中，代取药物信息包括药品种类、数量和取药地址，后台将这些文本信息经过数据处理，生成对应的语料包并发送至智能AI语音机器人接收并根据所述代取药物信息进行播报，告知患者代取的药物种类和取药地址。

这样可以告知患者取药的具体信息，本窗口取中药，其他窗口取西药等。还可以通过智能AI语音机器人上的显示屏来显示上述代取药物信息包括的药品种类、数量和取药地址等信息。

作为本申请的一可选实施方案，可选地，还包括如下步骤：

实时采集并获取所述智能AI语音机器人在发药时产生的新问答对信息；

将所述新问答对信息作为新训练数据进行模型训练，得到矫正数据，发送并保存在药房的后台数据库中；

利用所述矫正数据对正在使用的药房问答对模型进行实时更新和矫正，更新所述药房问答对模型并重新配置于药房的后台服务器上。

本实施例，为了提高后续模型的识别精度，让所述药房问答对模型保持在随学习、升级的过程，因此，在后续使用所述药房问答对模型的过程中，同时需要采集并保存其中产生的发药、取药问答对语料数据，将这些后期使用过程中产生的发药、取药问答对语料数据，同样采用前面深度学习的方式，进行训练数据提取，若是存在新的问答对语料，则生成对应的矫正数据，这些矫正数据可以用于矫正训练模型，提高模型的识别精度。具体参见前面模型训练描述。

后续的数据采集，以及模型实时更新和矫正，可以定时进行，比如每隔三个月更新一次，将前面三个月的采集语料进行处理，得到对应的矫正数据后，对本次的药房问答对模型更新，更新后重新配置于药房的后台服务器上。

这样，本申请可以通过药房窗口的历史语料数据，来获取在发药时产生的问答对信息进行模型训练，得到对应的药房问答对模型，以此来智能恢复患者取药时的提问信息，节省发药人员工作时间和精力，提高发药速度，减少矛盾。将发药工作进行智能化管理，推进药房有序发药和有序应对患者的繁琐提问，推动智能医疗的发展。

显然，本领域的技术人员应该明白，实现上述实施例中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各控制的实施例的流程。本领域技术人员可以理解，实现上述实施例中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各控制的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)、随机存储记忆体(RandomAccessMemory，RAM)、快闪存储器(FlashMemory)、硬盘(HardDiskDrive，缩写：HDD)或固态硬盘(Solid-StateDrive，SSD)等；存储介质还可以包括上述种类的存储器的组合。

实施例2

基于实施例1的实施原理，本申请另一方面，提出一种窗口发药语音助手，基于所述的药房窗口语音助手配置方法进行实施，包括：

后台服务器，用于对智能AI语音机器人采集的所述提问信息和/或所述代取药物信息进行响应；

药房问答对模型，配置于药房的后台服务器上，用于所述提问信息，并匹配映射出对应的答复信息；

智能AI语音机器人，用于采集患者的提问信息和/或代取药物信息，并按照所述后台服务器对所述提问信息和/或所述代取药物信息的反馈进行交互。

上述药房窗口语音助手的主体之间交互，具体参见实施例1的交互描述。

作为本申请的一可选实施方案，可选地，所述窗口发药语音助手，还包括：

若干物理按钮，所述物理按钮与所述智能AI语音机器人关联，当按下对应的所述物理按钮后，通过所述智能AI语音机器人播放预先存储的问答对。

语音助手，把发药人员常规要说的几句话储存下来。同时又能修改这个储存功能，保证这个语音助手的功能能满足工作需求。物理按钮对应的问答对，比如：

物理按钮1.如当遇到窗口患者不按照秩序排队，直接按下1，语音播报：请仔细看发票窗口号，有序排队，不要插队；

物理按钮2.当窗口忙碌时，病人需要窗口回答各种问题时：直接按下2，语音播报：正在校对，请稍等或去请药房咨询窗口；

物理按钮3.当遇到病人发票上同时又中药时，直接按下3，语音播报：您还有中药，请到中药房取药。

问答对提前预先存储在后台，建立物理按钮和后台之间的关系，比如通过控制电路板，将物理按钮和后台服务器之间建立电子通信(其中涉及到电子信号转换，本实施例不作描述)，按下物理按钮，采集到对应的电平信号，通过单片机等将信号发送至后台即可，触发对应的机制，获取并发送对应的语料至智能AI语音机器人，智能AI语音机器人按照语料进行播报。

实施例3

基于实施例1的实施原理，本申请另一方面，还提出一种实现所述的药房窗口语音助手配置方法的装置，包括：

历史语料采集模块，用于获取药房窗口的历史语料数据，对所述历史语料数据进行解析，获取其中在发药时产生的问答对信息；

训练模块，用于基于深度学习技术，将所述问答对信息作为初始训练数据进行模型训练，生成对应的药房问答对模型；

配置模块，用于将所述药房问答对模型配置于药房的后台服务器上，并建立所述后台服务器与智能AI语音机器人之间的通信；

响应模块，用于通过所述智能AI语音机器人采集患者的提问信息和/或代取药物信息，并按照所述后台服务器对所述提问信息和/或所述代取药物信息的反馈进行交互。

上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

实施例4

更进一步地，本申请另一方面，还提出一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述可执行指令时实现所述的药房窗口语音助手配置方法及窗口发药语音助手。

本公开实施例来电子设备包括处理器以及用于存储处理器可执行指令的存储器。其中，处理器被配置为执行可执行指令时实现前面任一所述的药房窗口语音助手配置方法。

此处，应当指出的是，处理器的个数可以为一个或多个。同时，在本公开实施例的电子设备中，还可以包括输入装置和输出装置。其中，处理器、存储器、输入装置和输出装置之间可以通过总线连接，也可以通过其他方式连接，此处不进行具体限定。

存储器作为一计算机可读存储介质，可用于存储软件程序、计算机可执行程序和各种模块，如：本公开实施例的药房窗口语音助手配置方法所对应的程序或模块。处理器通过运行存储在存储器中的软件程序或模块，从而执行电子设备的各种功能应用及数据处理。

输入装置可用于接收输入的数字或信号。其中，信号可以为产生与设备/终端/服务器的用户设置以及功能控制有关的键信号。输出装置可以包括显示屏等显示设备。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。